基于多层基因网络的关键基因识别算法

Q343.1; 疾病关键基因可用于疾病诊断、预测和新药或新疗法有效性的评价,故识别与疾病紧密相关的关键基因十分重要.然而现在有些疾病样本数据较少,传统基于大样本的关键基因挖掘方法不适用于该类数据.本文针对含少量样本数据的疾病,首先利用单样本网络构建方法构建每个疾病样本的个体化基因网络,并通过建立基因间的层间联系构建多层基因网络.然后利用基于张量的多层网络中心性方法评估每层网络中基因间的相互作用以及层间影响,对基因进行重要性打分,识别疾病关键基因.最后将该方法应用到哮喘数据集上,并与经典算法进行比较,结果表明,利用该方法所识别的已获批准的药物靶标基因的排名较优;对所得到的新的潜在关键基因TP53...

Full description

Saved in:
Bibliographic Details
Published in生物信息学 Vol. 21; no. 4; pp. 277 - 285
Main Authors 魏丕静, 刘晶晶, 赵永敏, 苏延森, 郑春厚
Format Journal Article
LanguageChinese
Published 安徽大学 物质科学与信息技术研究院,合肥 230601%安徽大学 计算机科学与技术学院,合肥 230601%安徽大学 人工智能学院,合肥 230601 2023
Subjects
关键基因
随机游走
Random walk
Multilayer gene interaction network
Node centrality
多层基因网络
节点中心性
Critical genes
Online AccessGet full text

Cover

More Information
Summary:Q343.1; 疾病关键基因可用于疾病诊断、预测和新药或新疗法有效性的评价,故识别与疾病紧密相关的关键基因十分重要.然而现在有些疾病样本数据较少,传统基于大样本的关键基因挖掘方法不适用于该类数据.本文针对含少量样本数据的疾病,首先利用单样本网络构建方法构建每个疾病样本的个体化基因网络,并通过建立基因间的层间联系构建多层基因网络.然后利用基于张量的多层网络中心性方法评估每层网络中基因间的相互作用以及层间影响,对基因进行重要性打分,识别疾病关键基因.最后将该方法应用到哮喘数据集上,并与经典算法进行比较,结果表明,利用该方法所识别的已获批准的药物靶标基因的排名较优;对所得到的新的潜在关键基因TP53、PUS10、MAP3K1 等进行功能和通路富集分析,结果表明其与哮喘有紧密关联.
ISSN:1672-5565
DOI:10.12113/202204003